ADetailerで、SD1.5の小さい顔の顔崩れ問題を改善できるか ～ 画像生成AI実験メモ ④-2

2026年7月12日

SDXLモデルでLoRAを使用して生成した画像を学習素材として、SD1.5のLoRAを作成したところまでが前回の内容となります。

顔の画像が比較的大きなものについては、まずまずの成果が出たと感じているんですが、どうしても画面に占める顔の割合が小さいもの(遠景や全身画像)だと、顔が崩壊してしまうんです。

最初、これもLoRAの生成に問題があるのかと思っていたんですが、そもそもSD1.5の宿命的な問題で（上記リンク内参照）、どうしようもないと言えばどうしようもない問題です。

SDXLでも基本は同じなんですが、生成画像の解像度が大きいことから、比較的大きめの画像を生成するなら顔崩れがSD1.5よりは少ないのかな、と思います。

なので、SD1.5なら、なおのこと顔崩れを防止する方策を取りたいところです。

ADetailerとは？

では、どうすればいいのか？

前回の最後にChatGPTが示した通り、「顔を大きな作業領域で描き直す」ADetailerを使用するのが最善策のようです。

ADetailerは、Stable Diffusionで生成した画像から顔や手などを自動検出し、その部分だけを再描画して崩れを補正する拡張機能です。

img2imgのinpaintで顔部分を手動で(マウス操作で塗りつぶして)選択して、その部分を再描画するのではなく、自動で顔を検出してくれるのがいいですよね。

とは言っても、実は使ったことが無いので半信半疑で試してみました。

ADetailerのインストール

情報では、txt2imgのこのあたりに項目があるということだったんですが。。

ここに表示が無いということは、Automatic1111(以下A1111)に拡張機能が入っていない、ということですね。

A1111の上部メニューにある「Extensions」の「Installed」タブで表示される一覧表の中に「sd-webui-adetailer」が見当たらなければ、導入の必要がある、ということです。

「Install from URL」タブで、「URL for extension’s git repository」に、

https://github.com/Bing-su/adetailer

と入力。

そして、「Install」。

インストール完了後(プログレスバー停止後)、「Installed」タブを見ると、

このように、「adetailer」がインストールされました。

この一覧表の上にある「Apply and restart UI」ボタンをクリック。

UIの再起動で、

「ADetailer」が設定対象となりました。

パラメータ設定

◀をクリックして折りたたみを開くと、

なんか、想像していた以上に設定項目があって、ちょっとひるみます。「Detection」「Mask Preprocessing」「Inpainting」はさらに展開されますので、トータルの設定項目数は軽くこの倍以上になります。

が、設定が必要なのはこのあたり。

まず、最重要なのが、ADetailer detector。検出モデルです。とはいえ、今回期待する顔補正なら、既に設定されている「face_yolov8n.pt」でOKです。

その自動検出された領域に対して再描画するためのプロンプト/ネガティブプロンプトを設定するのが、「ADetailer prompt」「ADetailer negative prompt」です。記載されていますが、空欄のままだとメインのプロンプト・ネガティブプロンプトがそのまま適用されるようです。

ですので、顔に特化したプロンプトを設定しましょう。

LoRAを使用しているなら、プロンプトにも記述を。

Detection の設定項目は、デフォルト値のまま。
　Detection model confidence threshold: 0.3
　Mask min ratio: 0.0
　Mask max ratio: 1.0

Mask Preprocessingも、デフォルト値で大丈夫そうです。
　Mask x/y offset: 0
　Mask erosion/dilation: 4
　Mask merge mode: None

Inpaintingも、このあたりはデフォルトでOKですね。
　Inpaint mask blur: 4
　Inpaint denoising strength: 0.35 ～ 0.45
　Inpaint only masked: ON

Use separate width/height は、ONに変更します。サイズは
　Inpaint width: 512
　Inpaint height: 512
のままでOKです。

Use separate steps も ONに。
ADetailer steps は、20程度が良いようです。

Use separate CFG scale もONにします。
ADetailer CFG scale は、6～7くらいが良いとのこと。

なので、いくつか設定を変更したものの、値についてはほぼデフォルト値で大丈夫なのかな、と思います。

最も大事な(影響が大きい)のが、Inpaint denoising strengthでしょうか。

元の画像からどれくらい変化させるか、という強度設定です。元の顔を保ちやすいのが 0.25～0.35あたりで、しっかりと直したい場合は 0.40～0.50、完全に書き直したい場合は 0.55～0.6あたりに設定するんだそうです。もちろん、元の顔からは離れていく傾向にあると思いますので、低めから試すのが良いのかな、と思います。

ADetailerの効果を試してみる

では、さっそく、ADetailerを有効にして確認してみましょう。

前回記事の山登りの画像を、640×320で何枚か生成してみます。

生成途中、A1111の画面には、

このように、自動検出したことが表示されますので、見ていても面白いですね。

ちなみに、2060 SUPERでは12枚を生成するのに、OFFのときが50秒ほど、ONのときは1分20秒ほどで、1.6倍ほど(1枚当たり2.5秒ほど)の処理時間の増加となりました。

5070Tiでは、12枚の生成に要した時間は、OFFのときが17秒ほど、ONのときは24秒ほどでしたので、1枚当たり0.6秒ほどの増加ですから、ほぼ気にならないですね。

このときの処理後の画像がこちら。

見事に補正されているのが判るかと思います。

他にも、

このサイズで、クリアな顔描画になっています。

逆に、この写真(同じSeed値のもの)をADetailerをOFFにして生成してみます。

この有効性が判ってもらえるでしょうか。

最初に挙げたものも同じSeed値で再生成。

もっとも、全てが万能かというと、そうでもなく、これよりも小さな顔だと、ADetailerを有効にしても、

このようになることがあります。同じSeed値でOFFにしたものがこちら。

右目以外は顔補正されていることがわかりますね。ただ、右目は修復できないほど初期の崩壊が大きかったようです。顔が斜め向きというのも影響しているのかもしれないですね。

でも、諦めちゃダメです。

思い出してもらいたいのが、これ。

最も大事な(影響が大きい)のが、Inpaint denoising strengthでしょうか。

元の画像からどれくらい変化させるか、という強度設定です。元の顔を保ちやすいのが 0.25～0.35あたりで、しっかりと直したい場合は 0.40～0.50、完全に書き直したい場合は 0.55～0.6あたりに設定するんだそうです。

なので、同じSeed値で、Inpaint denoising strength の値を 0.55 にして再描画。

もはやマジックレベルです。

他にも、このような、

ダメだこりゃ、というようなレベルのものでも、

この通り。もっとも、ちょっと顔が小さすぎるので、LoRAの顔に似てるかな？という疑問符は付きますけどね。

それでも、この顔補正の威力はすごいと思います。

逆はどうか、と気になって、もともと顔としてOKな画像が、補正によって歪むことは無いかと見比べてみました（逆なの？）。

まずは、顔補正無し。

こちらが顔補正あり（Inpaint denoising strength = 0.4）。

若干、肌がつるっとした感がありますが、見た目にほとんど変化は無いかと思います。

つまりは、顔が小さくなる恐れがあるなら、ADetailerを有効にしておいて損は無い（手間が省ける）かな、と思います。もっとも、有効にした場合に全体の生成時間が延びますので、そこはバランスを考えて頂ければと思います。

Hires.fixでの拡大画像にも挑戦

これまで、SD1.5の強みを活かせる範囲で、512×512や、640×320といった、比較的小さな画像を生成してきました。もちろんSD1.5だからと言って、それより大きな画像が生成できないわけではありません。

…が、です。

SD1.5は 512×512前後の画像を中心に学習されていますから、1280×720のような大きな横長の画像を生成すると、高確率で構図破綻を引き起こします。

こんな感じで、複数の領域に同じ要素を繰り返して描くことが増えます。実際、同じプロンプト(1人を描画)で、6枚出力したところ、2人で生成されたのが5枚、3人で生成されたのが1枚、プロンプト通り1人だったのはゼロでした。

しかも、顔の領域が広くなっているはずなのに、6枚中4枚が顔の崩壊を起こしていているので、SD1.5で大きな画像は向いていない、となります。

ただ、それは、直接、高解像度で出力した場合の話です。

見出しにも挙げた「Hires.fix」を使用すれば、低めの解像度で生成した画像を一旦拡大し、その後に再描画して高解像度に仕上げることができます。つまりは、低解像度で構図を決めるので、このような構図崩壊は起こりにくい、というわけです。

というわけで、やってみましょう。（まずは、ADetailerはOFFで行います）

ベースの画像は640×360で設定し、Hires.fixのUpscaleを2倍にすることで、1280×720の画像にしよう、ということです。

Hires stepsは 12～15、
Denoising sterengthは、0.30程度が良いようです。

Upscalerは、R-ESRGAN 4x+ を使用しますが、4x-UltraSharpというのを入手して使用するのも良さそうです。

こんな風に、さきほどの直接1280×720の画像を生成した時とは違って、構図崩壊は発生していません。6枚描画して6枚とも、プロンプトの指示通り1人でした。

もっとも、構図崩壊は起こしていないですが、6枚中4枚が顔崩壊を起こしています。

2060 SUPERで、Hires.fixを有効にして、1280×720の画像を生成するのに要した時間は123秒。1枚当たりおよそ20秒ですから、それなりに時間を要します。でも、その3分の2が使えない画像、というのはちょっと残念ですよね。

というわけで、Hires.fix と ADetailer を併用して、無駄な画像生成をなくしてみたいと思います。

Hires.fix と ADetailer の併用

設定は単純に、両方の機能をONにするだけ。

同じく6枚の生成に要した時間は 2060 SUPERで139秒。1枚当たり23秒ほどですから、ADetailerでの増加時間は1枚当たり3秒ほど、ですね。でも、この効果は大きなものがあります。

顔補正OFFなら確実に顔崩壊を引き起こしているサイズです。

今回の6枚で最も驚いたのが、この画像。

Inpaint denoising strength = 0.55での補正なのですが、補正OFFにしたときの画像がこれ。

なにがすごいって、これだけの斜め向きの顔をほぼパーフェクトに補正しているんです。SD1.5のLoRAとして、完成形と言っていいんじゃないでしょうか。

細部のパラメータ調整

今回は、特に必要と感じなかったんですが、Hires.fix と ADetailer とを併用すると、生成画像が期待と異なったときに、どちらのパラメータを修正すればよいか、判りにくくなるかと思います。

そんな場合の目安を書いておきたいと思います。

症状	変更
全体が拡大しただけで精細感がない	Hires denoiseを0.33～0.35へ
背景や服が変わりすぎる	Hires denoiseを0.25～0.28へ
顔が直りきらない	ADetailer denoiseを0.45へ
顔が別人になる	ADetailer denoiseを0.32～0.38へ
顔だけ貼り付けたようになる	Mask blurを8、Paddingを64へ
髪型まで変わりすぎる	Paddingを32、dilationを0～4へ
小さな顔を検出しない	Confidenceを0.20～0.25へ
背景の模様を顔と誤検出する	Confidenceを0.35～0.45へ

これらを活用しながら、「顔の崩壊」に感じていたストレスを解消して頂ければと思います。

最後に、アイキャッチ用に生成した1枚で締めくくりたいと思います。

テーマは、夏の公園。

プロンプトは例によってChatGPT製です。

元画像が720×360、ADetailer・Hires.fixありで、最終画像は1280×720で生成しています。

こちらは5070Tiでの生成ですが、24枚の出力で183秒、1枚当たり7.6秒ほどでした。

その中から、ベストな1枚を掲載したいと思います。

SD1.5のLoRAを作り直したことで以前のものより柔軟性が増しましたし、顔の崩壊を乗り越える方法も判ったので、まだまだ、SD1.5も実用的に使えるんじゃない？と改めて思いました。SD1.5なら、VRAM 8GBの2060 SUPERでも、十分に楽しめそうですしね。